Машинное обучение
Материал из Энциклопедия интернет-маркетинга MarketWiki
Эта категория содержит статьи, посвящённые машинному обучению (Machine Learning) - классу методов искусственного интеллекта, которые позволяют системам обучаться на данных и улучшать свои результаты без явного программирования. В контексте интернет-маркетинга ML используется для рекомендаций, прогнозирования, сегментации и персонализации.
Подкатегории
[править]- Категория:Рекомендательные системы - алгоритмы рекомендаций товаров и контента
- Категория:Предиктивная аналитика - прогнозирование на основе данных
- Категория:Коллаборативная фильтрация - метод рекомендаций на основе поведения
- Категория:Нейросети - глубокое обучение и нейросетевые архитектуры
- Категория:AI-маркетинг - применение ИИ в маркетинге
- Категория:Искусственный интеллект - общая категория по ИИ
Основные статьи
[править]- Машинное обучение - общее понятие, задачи, подходы
- ML - сокращение от Machine Learning
- Искусственный интеллект - более широкая область
- AI - Artificial Intelligence
- Нейросети - класс моделей машинного обучения
- Глубокое обучение - Deep Learning
- Обучение с учителем - Supervised Learning
- Обучение без учителя - Unsupervised Learning
- Обучение с подкреплением - Reinforcement Learning
- Рекомендательные системы - класс задач ML
- Предиктивная аналитика - прогнозирование на основе ML
- Коллаборативная фильтрация - метод рекомендаций
- Матричная факторизация - метод для рекомендаций
- SVD - сингулярное разложение
- Кластеризация - группировка объектов
- Классификация - отнесение к категориям
- Регрессия - прогнозирование чисел
Задачи машинного обучения в маркетинге
[править]- Прогнозирование оттока - Churn Prediction
- Прогнозирование LTV - Lifetime Value Prediction
- Прогнозирование покупки - Purchase Prediction
- Сегментация клиентов - Customer Segmentation
- Кластеризация клиентов - Clustering
- Рекомендации товаров - Product Recommendations
- Персонализация контента - Content Personalization
- Оптимизация цен - Price Optimization
- Оптимизация рекламных ставок - Bid Optimization
- Атрибуция - Attribution Modeling
- Look-alike модели - похожие аудитории
- Обработка естественного языка - NLP для текстов
- Анализ тональности - Sentiment Analysis
- Распознавание изображений - Computer Vision
Методы и алгоритмы
[править]- Линейная регрессия - Linear Regression
- Логистическая регрессия - Logistic Regression
- Деревья решений - Decision Trees
- Случайный лес - Random Forest
- Градиентный бустинг - Gradient Boosting
- XGBoost - реализация бустинга
- CatBoost - бустинг от Яндекса
- LightGBM - бустинг от Microsoft
- Нейронные сети - Neural Networks
- Свёрточные нейросети - CNN для изображений
- Рекуррентные нейросети - RNN для последовательностей
- Трансформеры - Transformer архитектура
- BERT - модель для текстов
- Word2Vec - векторные представления слов
- Метод опорных векторов - SVM
- k-ближайших соседей - kNN
- k-средних - k-means для кластеризации
- DBSCAN - кластеризация
- Метод главных компонент - PCA
- SVD - сингулярное разложение
Инструменты и библиотеки
[править]- Python - основной язык для ML
- R - язык для статистики
- Jupyter Notebook - среда разработки
- NumPy - библиотека для вычислений
- Pandas - библиотека для данных
- Scikit-learn - библиотека для ML
- TensorFlow - библиотека от Google
- PyTorch - библиотека от Meta
- Keras - надстройка над TensorFlow
- XGBoost - библиотека бустинга
- CatBoost - библиотека от Яндекса
- LightGBM - библиотека бустинга
- Apache Spark MLlib - ML для больших данных
- H2O.ai - платформа ML
- Google Colab - облачные ноутбуки
- Kaggle - платформа соревнований
Машинное обучение в продуктах Яндекса
[править]- Алгоритмы Яндекса - ML в поиске
- Яндекс Дзен - рекомендательная система
- Яндекс Музыка - рекомендации треков
- YandexGPT - генеративная нейросеть
- Алиса - голосовой помощник с ML
Машинное обучение в продуктах Google
[править]- RankBrain - нейросеть в поиске
- BERT - NLP-модель
- MUM - мультимодальная модель
- Gemini - мультимодальная модель
- Google Analytics 4 - ML для прогнозов
- Vertex AI - ML-платформа Google
Машинное обучение в рекомендательных системах
[править]- Рекомендательные системы
- Коллаборативная фильтрация
- Матричная факторизация
- SVD
- Контентная фильтрация - Content-based
- Гибридные рекомендации - Hybrid
- Холодный старт - Cold Start проблема
Метрики качества моделей
[править]- Accuracy - точность
- Precision - полнота
- Recall - полнота
- F1-score - гармоническое среднее
- ROC-AUC - площадь под кривой ошибок
- MAE - средняя абсолютная ошибка
- MSE - средняя квадратичная ошибка
- RMSE - корень из MSE
- R² - коэффициент детерминации
Процесс построения моделей
[править]- Сбор данных - Data Collection
- Очистка данных - Data Cleaning
- Инжиниринг признаков - Feature Engineering
- Обучение модели - Training
- Валидация модели - Validation
- Кросс-валидация - Cross-validation
- Переобучение - Overfitting
- Недобучение - Underfitting
Проблемы и ограничения
[править]- Качество данных - Garbage In, Garbage Out
- Смещение в данных - Data Bias
- Дисбаланс классов - Class Imbalance
- Проклятие размерности - Curse of Dimensionality
- Интерпретируемость - Interpretability
- Конфиденциальность данных - Privacy
- 152-ФЗ - работа с персональными данными
Связанные категории
[править]Подкатегории
В этой категории отображается 6 подкатегорий из имеющихся 6.
Страницы в категории «Машинное обучение»
Показано 60 страниц из 60, находящихся в данной категории.
